Lección 8 del curso Estadística Inferencial Paramétrica.
En la lección anterior vimos qué es y cómo aplicar la prueba t para muestras independientes, un tipo de prueba de hipótesis muy usada en Ciencia de Datos para implementar lo que se conocen como las pruebas A/B.
En esta lección veremos qué es y cómo usar Python para desarrollar la prueba t (o t-test) pareada, también conocida como la prueba t para datos dependientes. Así que veremos a qué se refiere el término «pareada» junto con un ejemplo práctico de uso de esta prueba en Python con ayuda de las librerías Scipy y «pingouin»:
Contenido exclusivo para suscriptores
Si eres suscriptor accede en este enlace ó suscríbete a la Academia Online y accede a todo el contenido (lecciones en video, código fuente, sets de datos y descargas) de todos los cursos, proyectos y tutoriales.
En esencia, la prueba t pareada permite comparar las medias de dos conjuntos de datos relacionados (de allí el término «pareado») para determinar si la diferencia observada entre ellos es estadísticamente significativa o si pudo haber ocurrido por azar.
Y en el caso de Python la manera más sencilla de aplicar esta prueba es haciendo uso de la librería «pingouin» y del módulo «ttest». En este caso resulta clave fija el parámetro «paired» a un valor verdadero, para indicarle a la librería que se trata precisamente de una prueba t-test pareada.
Así que con lo visto en esta lección ya hemos completado este tercer módulo del curso en donde hemos visto qué son y cómo aplicar las pruebas t más usadas en Ciencia de Datos.
En el cuarto, y último módulo de este curso, nos enfocaremos en otro conjunto de pruebas de hipótesis que también resultarán útiles en Ciencia de Datos: el análisis de varianza (o ANOVA por sus siglas en Inglés: Analysis of Variance).
Y especificamente en la próxima lección comenzaremos con el análisis de varianza más simple de todos: el ANOVA de un factor.
Todas las lecciones del curso Estadística Inferencial Paramétrica